in vitro施肥での胚盤球転移後の移植の予測：機械学習の視点

目的：伝達された胚の着床ポテンシャルを予測し、in vitro受精（IVF）患者からの単一胚移植（設定）の爆発段階胚の使用（IVF）患者からのデータに基づいて、転送された胚の着床ポテンシャルを予測し、多変量ロジスティック回帰モデル（MVLRM）と比較すること。 設計：IVFまたは子宮内精子注射（ICSI）を受けている女性の2年間の単一中心コホートの遡及的研究。 設定：学術病院。 患者：IVFまたはICSIサイクルで新鮮なセットを受けた1,052人の女性からのデータが含まれていました。 介入：なし。 主な結果測定：RFMとMVLRMの両方の妊娠を予測するパフォーマンスは、受信機の動作特性（ROC）曲線（AUC）、分類精度、特異性、および感度の下での面積の観点から定量化されました。 結果：ROC分析の結果、提案されたRFMでは0.74±0.03、MVLRMで0.66±0.05が11週間以上の妊娠の予測で0.66±0.05になりました。このRFMアプローチとMVLRMは、それぞれ0.84±0.07および0.66±0.08の感度と0.48±0.07および0.58±0.08の特異性を生成しました。 結論：進行中の移植を予測するパフォーマンスは、MVLRMと比較してRFMアプローチを使用すると大幅に改善されます。

OBJECTIVE: To develop a random forest model (RFM) to predict implantation potential of a transferred embryo and compare it with a multivariate logistic regression model (MvLRM), based on data from a large cohort including in vitro fertilization (IVF) patients treated with the use of single-embryo transfer (SET) of blastocyst-stage embryos. DESIGN: Retrospective study of a 2-year single-center cohort of women undergoing IVF or intracytoplasmatic sperm injection (ICSI). SETTING: Academic hospital. PATIENT(S): Data from 1,052 women who underwent fresh SET in IVF or ICSI cycles were included. INTERVENTION(S): None. MAIN OUTCOME MEASURE(S): The performance of both RFM and MvLRM to predict pregnancy was quantified in terms of the area under the receiver operating characteristic (ROC) curve (AUC), classification accuracy, specificity, and sensitivity. RESULT(S): ROC analysis resulted in an AUC of 0.74 ± 0.03 for the proposed RFM and 0.66 ± 0.05 for the MvLRM for the prediction of ongoing pregnancies of ≥11 weeks. This RFM approach and the MvLRM yielded, respectively, sensitivities of 0.84 ± 0.07 and 0.66 ± 0.08 and specificities of 0.48 ± 0.07 and 0.58 ± 0.08. CONCLUSION(S): The performance to predict ongoing implantation will significantly improve with the use of an RFM approach compared with MvLRM.